Sepanjang sejarah umat manusia, orang melakukan penelitian mengenai ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Usaha-usaha untuk mengukur hubungan ini dikenal sebagai mengukur asosiasi antara dua fenomena atau kejadian yang menimbulkan rasa ingin tahu para peneliti.Salah satu teknik pengukuran asosiasi / hubungan (measures of association) adalah analisis korelasi. Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi pearson product moment dan Korelasi rank spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-square, Phi coefficient, Goodman-kruskal, Somer, dan Wilson.
Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
contoh Penggunaan analisis korelasi, biasanya muncul pertanyaan-pertanyaan seperti berikut.
- Apakah ada korelasi antara skor motivasi bidan dengan skor kepatuhan menjalankan protap pencegahan infeksi?
- Apakah (makin) meningkatnya tarif puskesmas (Rp) akan diikuti dengan (makin) menurunnya jumlah kunjungan (org/bln)?
Setelah mengerti contoh penggunaan analisis korelasi. kemudian melihat jwaban dari pertanyaan tersebut yang artinya jawaban dari pertanyaaan diatas. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu. skala tertentu maksudnya disini yaitu jenis data yang kita gunakan. Nah, jenis skala yang digunakan menentukan metode analisis korelasi apa yang digunakan.
| Variable Y\X | Numerik X | Ordinal X | Nominal X |
|---|---|---|---|
| Numerik Y | Pearson r | Biserial rb | Point Biserial rpb |
| Ordinal Y | Biserial rb | Spearman rho/Tetrachoric rtet | Rank Biserial rrb |
| Nominal Y | Point Biserial rpb | Rank Bisereal rrb | Phi, L, C, Lambda |
Interpretasi analisis korelasi dilihat dari nilainya. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel digunakan kriteria seperti berikut:
| Nilai Korelasi | Keterangan |
|---|---|
| 0 ≤ r < 0,2 | Sangat lemah |
| 0,2 ≤ r < 0,4 | lemah |
| 0,4 ≤ r < 0,6 | Sedang |
| 0,6 ≤ r ≤0,8 | Kuat |
| 0,8 ≤ r ≤1 | Sangat kuat |
Sedangkan untuk melihat hubungan dari dua variabel dilihat dari tandanya yaitu positif dan negatif.
Arah hubungan dari analisis korelasi:
- Arah hubungan positif, berarti Apabila nilai variabel ditingkatkan , maka akan meningkatkan nilai variabel yang lain. Apabila nilai variabel diturunkan , maka akan menurunkan nilai variabel yang lain.
- Arah hubungan negatif, berarti Apabila nilai variabel ditingkatkan , maka akan menurunkan nilai variabel yang lain. Apabila nilai variabel diturunkan , maka akan meningkatkan nilai variabel yang lain.
Macam korelasi berdasarkan banyaknya variabel yg terlibat:
- Korelasi sederhana (simple):
Angka yang menggambarkan arah kuatnya hubungan antara dua variabel. - Korelasi ganda (multiple):
Angka yang menggambarkan arah dan kuatnya hubungan antara lebih dari dua variabel secara bersama-sama dengan variabel lainnya
Tahap Pengujian Koefisien Korelasi
Terdapat dua metode yang biasa digunakan untuk menguji kebermaknaan koefisien korelasi. Metode pertama dengan menggunakan Uji-t dan Metode kedua dengan menggunakan tabel r. Berikut Bagan Alir untuk pengujian hipotesis.
Koefisien Determinasi
Selain korelasi, ada juga saudaranya yang mirip analisisnya yaitu koefisien determinasi. Koefesien diterminasi merupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa koefisien deteminasi merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. koefisien determinasi disimbolkan dengan r2. Dari simbol tersebut bisa kita ketahui bahwa untuk memperoleh nilai koefisien determinasi dengan cara kuadrat nilai korelasi. Secara umum r2 digunakan untuk melihat sebarapa besar pengaruh variabel bebas (x) terhadap variabel terikat (y)
Dengan demikian jika kita menggunakan korelasi sebaiknya jangan menggunakan koefesien determinasi untuk melihat pengaruh X terhadap Y karena korelasi hanya menunjukkan adanya hubungan antara variabel X dan Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya berhenti saja di angka koefisien korelasi. Sedang jika kita ingin mengukur besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus lain, seperti regresi atau analisis jalur.
Social Plugin